[发明专利]三维物体识别方法及系统

说明书

技术领域

本发明涉及一种三维物体识别方法及系统。

背景技术

多年来，人们一直在寻求一种类似于人眼和大脑过程的智能识别系统，从而使机器可以通过最自然最友好的方式与人或其他机器进行交流，为此，在机器和人的交流上产生了专门用于人脸识别的技术，这种人脸识别的技术分为主动技术和被动技术两个方向：主动技术类似于自然界中的眼镜蛇、蝙蝠等动物，这种技术是通过系统主动发射出人眼不可见的红外光，红外光通过人脸或其他物体反射后进入一个被红外滤光片遮挡的CMOS摄像头中成像，然后对成像的图片进行计算，主动技术有不受环境光影响的特点，具有较广泛的应用前景，但是其也存在对人不够友好，且受红外光发射距离的影响等缺点；被动技术模拟自然界中绝大多数动物都具备的双目识别方法，两双眼睛可以形成一幅立体的图像，动物的大脑就是通过对这幅立体图像进行复杂的计算从而识别出物体和场景的。

上述人脸识别方法无论是主动还是被动方式，一般都只能进行人脸的识别，而在其他物体的识别上却无能为力，这将大大限制该识别技术的发展，随着计算机和芯片计算能力的越来越强，人们迫切希望能有一种最类似于动物的识别方法出现，不仅能识别人脸还能自动识别其它物体，比如识别障碍物等，识别特殊的标示标志等等，这样就可以将这种识别方法用于自动驾驶、三维物体自动成型、三维动画等很多应用场合。

发明内容

本发明的目的在于提供一种三维物体识别方法及系统，该方法及系统非常接近于人和动物的双目视觉过程，并且是属于被动式的，具有广泛的可接受性以及隐蔽性，可以训练和学习、识别任何物体，包括复杂的人脸，可以广泛应用于智能玩具、智能门禁、监控等场合。

为解决上述问题，本发明提供一种三维物体识别方法，包括：

运用两个平行安装的摄像头同时采集物体的两路像素数据并存储；

根据所述两路像素数据计算物体上的每个点分别在两路像素数据中对应的像素点的视差，并根据所述两个摄像头之间的距离、摄像头的焦距和所述视差得到每个点的深度信息；

对于物体上不能确定视差的点，通过边缘检测确定该点的轮廓信息，并根据所述轮廓信息更新该点的深度信息；

根据每个像素点的深度信息和像素数据对每个像素点进行曲面聚类；

将曲面聚类后的像素点进行分割和拓扑分析；

根据所述拓扑分析的结果对物体进行特征描述并存储；

将物体的特征描述与数据库中的特征数据进行比较得到识别结果。

进一步的，在上述方法中，所述根据所述两路像素数据计算物体上的每个点分别在两路像素数据中对应的像素点的视差，并根据所述两个摄像头之间的距离、摄像头的焦距和所述视差得到每个点的深度信息的步骤包括：

通过Census算法计算每个像素点在另一路摄像头数据中对应位置周边最匹配的像素点位置；

通过两个摄像头之间的距离和摄像头的焦距和所述视差信息计算被摄物体对应点离摄像头的距离即深度信息。

进一步的，在上述方法中，所述根据每个像素点的深度信息和像素数据对每个像素点进行曲面聚类的步骤包括：

根据三维二次曲面的表示公式和每个像素点的深度信息、像素数据计算得到每个像素点的函数参数值；

根据最小二乘法则，计算误差最小的函数参数值作为每个曲面体的最终的函数参数值，根据每个曲面体的最终的函数参数值对所有相邻像素点进行不停的叠代计算以拟合最多的相邻像素点。

进一步的，在上述方法中，所述将曲面聚类后的像素点进行分割的步骤，包括查找具有两个以上函数参数值的像素点作为两个以上曲面的边界点，将具有相同函数参数值的曲面归为同一个曲面体。

进一步的，在上述方法中，所述将曲面聚类后的像素点进行拓扑分析的步骤，包括对同一个曲面体里的所有像素点的值进行累加和平均处理得到不同曲面体的质心，并通过判断不同曲面体的质心之间的空间关系确定不同曲面体之间的位置关系，并将不同曲面体之间的位置关系用拓扑关系矩阵来表示。

进一步的，在上述方法中，所述根据所述拓扑分析的结果对物体进行特征描述并存储的步骤，包括将各个曲面体的函数参数值和拓扑关系矩阵用关系链表加以组织，并利用各个曲面体在图像中成像的面积作为权重，对各个曲面体进行排序。

进一步的，在上述方法中，所述摄像头包括CMOS或CCD摄像头中的任一种。

进一步的，在上述方法中，所述两个摄像头的光轴基本平行且基线长度在55mm至65mm之间。

进一步的，在上述方法中，所述两个摄像头采用同一个曝光控制信号。